一、环境准备与基础安装

PyEcharts作为基于ECharts的Python可视化库，其安装过程简单高效。开发者可通过Python包管理工具pip完成安装，推荐使用最新稳定版本以获取完整功能支持。

pip install pyecharts

对于需要地理图表功能的场景，需额外安装地理坐标数据包：

pip install echarts-countries-pypkg  # 国家地图
pip install echarts-china-provinces-pypkg  # 省级地图
pip install echarts-china-cities-pypkg  # 城市级地图

建议使用虚拟环境管理依赖，避免与其他项目产生版本冲突。在Jupyter Notebook环境中使用时，需确保已安装jupyter和notebook包。

二、图表创建核心流程

1. 基础图表构建

PyEcharts采用面向对象的编程模式，图表创建包含四个关键步骤：

from pyecharts.charts import Bar  # 导入图表类
# 创建图表实例
bar = Bar()
# 添加数据与配置
bar.add_xaxis(["A", "B", "C"])
bar.add_yaxis("系列1", [10, 20, 30])
# 渲染输出
bar.render("bar_chart.html")  # 生成HTML文件

2. 快速初始化方法

对于简单图表，可使用链式调用简化代码：

from pyecharts.charts import Line
line = (
    Line()
    .add_xaxis(["Mon", "Tue", "Wed"])
    .add_yaxis("温度", [22, 18, 19])
    .set_global_opts(title_opts={"text": "周温度变化"})
)
line.render()

三、核心组件配置体系

1. 全局配置项（set_global_opts）

通过该方法可统一设置图表级参数：

标题配置：支持主标题/副标题、位置调整、样式定制

.set_global_opts(
  title_opts=opts.TitleOpts(
      title="销售数据",
      subtitle="2023年度",
      pos_left="center",
      title_textstyle_opts=opts.TextStyleOpts(color="#333")
  )
)

图例控制：定位、类型、交互行为设置

legend_opts=opts.LegendOpts(
  pos_top="5%",
  orient="horizontal",
  selected_mode="single"  # 单选模式
)

工具箱集成：包含数据视图、保存图片、动态类型切换等功能

toolbox_opts=opts.ToolboxOpts(
  feature=opts.ToolBoxFeatureOpts(
      save_as_image=opts.ToolBoxFeatureSaveAsImageOpts(is_show=True),
      data_view=opts.ToolBoxFeatureDataViewOpts(is_show=True)
  )
)

2. 系列配置项（set_series_opts）

针对数据系列的精细化控制：

标签显示：位置、格式、旋转角度调整

.set_series_opts(
  label_opts=opts.LabelOpts(
      is_show=True,
      position="top",
      formatter="{b}: {c}%"  # 自定义格式
  )
)

标记点/线：突出显示关键数据

markpoint_opts=opts.MarkPointOpts(
  data=[
      opts.MarkPointItem(type_="max", name="最大值"),
      opts.MarkPointItem(coord=["A", 20], name="指定点")
  ]
)

四、常用图表类型详解

1. 基础图表

折线图（Line）：适合展示趋势变化

line = Line()
line.add_xaxis(["Q1", "Q2", "Q3", "Q4"])
line.add_yaxis("销售额", [120, 200, 150, 180], 
             areastyle_opts=opts.AreaStyleOpts(opacity=0.3))

柱状图（Bar）：支持横向/纵向布局，堆叠效果

bar = Bar()
bar.add_xaxis(["产品A", "产品B", "产品C"])
bar.add_yaxis("2022年", [100, 200, 150])
bar.add_yaxis("2023年", [120, 180, 160], stack="stack1")

2. 高级图表

地理图表（Map/Geo）：需配合地理数据包使用
```python
from pyecharts.charts import Map

data = [(“北京”, 100), (“上海”, 200), (“广东”, 150)]
mapchart = Map()
map_chart.add(“订单量”, data, “china”)
map_chart.set_global_opts(visualmap_opts=opts.VisualMapOpts(max=200))

- **关系图（Graph）**：展示节点间连接关系
```python
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]
graph = Graph()
graph.add("", nodes, links, repulsion=50)

五、数据格式处理指南

PyEcharts支持多种数据输入方式，开发者可根据场景选择：

基础序列：适用于简单数值展示

x_data = ["Mon", "Tue", "Wed"]
y_data = [10, 20, 30]

键值对结构：自动处理分类轴

data = [("苹果", 45), ("香蕉", 30), ("橙子", 25)]
chart.add_yaxis("销量", [d[1] for d in data], label_opts=opts.LabelOpts(formatter="{b}: {c}"))

时间序列：需转换为字符串格式

import datetime
dates = [datetime.date(2023,1,i).strftime("%m-%d") for i in range(1,6)]
values = [100, 120, 90, 110, 130]

六、进阶实践技巧

1. 主题定制

内置多种预设主题，也可自定义主题文件：

from pyecharts.globals import ThemeType
chart = Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))

2. 多图表联动

通过Timeline组件实现动态切换：

from pyecharts.charts import Timeline
tl = Timeline()
for year in range(2020, 2023):
    bar = Bar().add_xaxis(["A", "B", "C"]).add_yaxis(str(year), [10*year, 20*year, 15*year])
    tl.add(bar, str(year))
tl.render("timeline.html")

3. 性能优化

处理大数据集时，建议：

启用数据采样（is_datazoom_show=True）
关闭动画效果（animation=False）
使用增量渲染模式

通过系统掌握上述技术要点，开发者能够高效创建专业级数据可视化作品。建议结合官方文档中的示例库进行实践，逐步掌握复杂图表的构建技巧。在实际项目中，建议将图表配置与业务逻辑分离，通过配置文件管理可视化参数，提升代码可维护性。

PyEcharts使用全攻略：从安装到高级定制